一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

CBNet是一種新的組合主干網(wǎng)絡(luò)結(jié)構(gòu),用于物體檢測(cè)

電子設(shè)計(jì) ? 來源:電子設(shè)計(jì) ? 作者:電子設(shè)計(jì) ? 2020-12-08 22:29 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

首發(fā):AI公園公眾號(hào)
作者:Tony Shin
編譯:ronghuaiyang

導(dǎo)讀

對(duì)CBNet進(jìn)行了一個(gè)直觀的介紹。
https://towardsdatascience.co...
論文:https://arxiv.org/pdf/1909.03...
代碼:https://github.com/PKUbahuang...
CBNet在COCO測(cè)試數(shù)據(jù)集上的平均精度為53.3。

作者聲稱,使用一個(gè)更強(qiáng)大的主干可以提高目標(biāo)檢測(cè)器的性能。為了做到這一點(diǎn),他們提出了一種新的策略,即通過相鄰主干之間的組合連接來組裝多個(gè)相同的主干。通過這樣做,他們提出了一個(gè)更強(qiáng)大的主干,稱為組合主干網(wǎng)絡(luò)。


如上圖所示,CBNet由多個(gè)相同的骨干網(wǎng)和相鄰骨干網(wǎng)之間的組合連接組成。從左到右,每個(gè)階段的輸出都在一個(gè)輔助主干中,這也可以看作是更高層次的特征。每個(gè)特征層的輸出通過組合連接流到后續(xù)主干網(wǎng)的并行階段,作為輸入的一部分。這樣,多個(gè)高級(jí)和低級(jí)特征被融合,以產(chǎn)生更豐富的特征表示。
本文介紹了雙主干網(wǎng)(DB)三主干網(wǎng)(TB)兩種體系結(jié)構(gòu)。從命名中可以猜到,DB由兩個(gè)相同的骨干組成,而TB由三個(gè)相同的骨干組成。性能差異將在后面的文章中討論。
為了從主干中生成多個(gè)輸出,本文引入了一個(gè)組合連接塊。這個(gè)塊由一個(gè)1x1卷積和一個(gè)批處理歸一化層組成。添加這些層是為了減少通道的數(shù)量并執(zhí)行一個(gè)upsample操作。
最后的主干(位于圖中最右邊),被命名為主主干,用于目標(biāo)檢測(cè)。前面的骨干的輸出特征被送入RPN/檢測(cè)頭,而每個(gè)輔助骨干的輸出被送入相鄰的骨干。

組合的形式


還有四種組合樣式。

  • 相鄰的更高層次的組合是前面部分中解釋的風(fēng)格。使用組合連接塊將來自輔助骨干網(wǎng)的每個(gè)輸出特征饋入相鄰骨干網(wǎng)。
  • 相同層次的組合是另一種簡(jiǎn)單的組合樣式,它將前一骨干的相鄰較低級(jí)階段的輸出提供給后續(xù)骨干。如圖所示,此樣式?jīng)]有使用組合連接塊。來自較低層次主干網(wǎng)的特征直接添加到鄰近的主干網(wǎng)中。
  • 相鄰的低層的組合與AHLC非常相似。唯一的區(qū)別是來自前主干較低級(jí)階段的特征被傳遞到后來的主干。
  • 密集的高層的組合的靈感來自于DenseNet的paper,其中每一層都與隨后的所有層連接,在一個(gè)stage上建立密集的連接。


上面的表格展示了不同組合風(fēng)格之間的對(duì)比。我們可以觀察到AHLC樣式優(yōu)于其他復(fù)合樣式。這背后的原因在論文中得到了很好的解釋。作者認(rèn)為,將前一個(gè)主干的低層特征直接添加到后續(xù)主干的高層特征中會(huì)損害后一個(gè)特征的語義信息。另一方面,在后續(xù)主干的淺層特征基礎(chǔ)上增加前一主干的深層特征,可以增強(qiáng)后一主干特征的語義信息。

結(jié)果

上表顯示了MS-COCO測(cè)試數(shù)據(jù)集的檢測(cè)結(jié)果。第5-7列為目標(biāo)檢測(cè)結(jié)果,第8-10列為實(shí)例分割結(jié)果。這清楚地表明,利用更多的骨干的體系結(jié)構(gòu)提高了網(wǎng)絡(luò)的性能。

總結(jié)

本文介紹了一種叫做CBNet的新架構(gòu)。通過組成多骨干體系結(jié)構(gòu),該網(wǎng)絡(luò)將檢測(cè)網(wǎng)絡(luò)的準(zhǔn)確率提高約1.5%至3%。增加的參數(shù)大小和訓(xùn)練時(shí)間值得進(jìn)一步研究。

—END—

英文原文:https://towardsdatascience.co...

推薦閱讀

關(guān)注圖像處理,自然語言處理,機(jī)器學(xué)習(xí)人工智能領(lǐng)域,請(qǐng)點(diǎn)擊關(guān)注AI公園專欄。
歡迎關(guān)注微信公眾號(hào)

審核編輯:符乾江
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 檢測(cè)
    +關(guān)注

    關(guān)注

    5

    文章

    4642

    瀏覽量

    92831
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5561

    瀏覽量

    122794
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    【嘉楠堪智K230開發(fā)板試用體驗(yàn)】01 Studio K230開發(fā)板Test2——手掌,手勢(shì)檢測(cè),字符檢測(cè)

    架構(gòu),這是一種高效的模式識(shí)別方法,特別擅長(zhǎng)從復(fù)雜圖像數(shù)據(jù)中提取特征和識(shí)別目標(biāo)。 高能效比與低延遲: 在執(zhí)行高強(qiáng)度計(jì)算時(shí),KPU 能保持高能效比(低功耗)和低延遲(高速度),支持實(shí)時(shí)圖像分析。 高級(jí)視覺
    發(fā)表于 07-10 09:45

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    【HarmonyOS 5】VisionKit人臉活體檢測(cè)詳解

    【HarmonyOS 5】VisionKit人臉活體檢測(cè)詳解 ##鴻蒙開發(fā)能力 ##HarmonyOS SDK應(yīng)用服務(wù)##鴻蒙金融類應(yīng)用 (金融理財(cái)# 、VisionKit人臉活體檢測(cè)
    的頭像 發(fā)表于 06-21 11:52 ?291次閱讀
    【HarmonyOS 5】VisionKit人臉活<b class='flag-5'>體檢測(cè)</b>詳解

    云南恩田有毒有害氣體檢測(cè)系統(tǒng)# 的安全#隧道施工#有毒有害氣體檢測(cè)

    體檢測(cè)
    恩田智能設(shè)備
    發(fā)布于 :2025年05月15日 15:06:40

    體檢漏儀如何操作?注意事項(xiàng)有哪些?

    體檢漏儀 ,從名稱上就能看出,這是一種用于檢測(cè)氣體泄漏情況的專業(yè)設(shè)備,在工業(yè)、環(huán)保等領(lǐng)域中有著廣泛的應(yīng)用潛力。那么,氣體檢漏儀如何操作?注
    發(fā)表于 03-12 15:08

    紅外感應(yīng)技術(shù)的工作原理

    紅外感應(yīng)技術(shù)是一種利用紅外輻射進(jìn)行物體檢測(cè)和測(cè)量的技術(shù)。在自然界中,所有物體都會(huì)發(fā)出紅外輻射,這種輻射的強(qiáng)度和波長(zhǎng)分布取決于物體的溫度和材料特性。紅外感應(yīng)技術(shù)通過感知和分析這些紅外輻射
    發(fā)表于 02-17 18:26

    BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)原則

    BP(back propagation)神經(jīng)網(wǎng)絡(luò)一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)原則主要基于以下幾個(gè)方面:
    的頭像 發(fā)表于 02-12 16:41 ?742次閱讀

    AI模型部署邊緣設(shè)備的奇妙之旅:目標(biāo)檢測(cè)模型

    連接層的一種替代方案,某些架構(gòu)嘗試使用稀疏連接來減少參數(shù)數(shù)量并提高效率,比如通過只連接特定模式下的神經(jīng)元。 動(dòng)態(tài)架構(gòu)調(diào)整:現(xiàn)代的些研究探索了動(dòng)態(tài)改變網(wǎng)絡(luò)結(jié)構(gòu)的可能性,例如根據(jù)輸入樣本的復(fù)雜度自動(dòng)調(diào)整
    發(fā)表于 12-19 14:33

    《DNK210使用指南 -CanMV版 V1.0》第四十一章 YOLO2物體檢測(cè)實(shí)驗(yàn)

    第四十一章 YOLO2物體檢測(cè)實(shí)驗(yàn) 在上章節(jié)中,介紹了利用maix.KPU模塊實(shí)現(xiàn)YOLO2的人手檢測(cè),本章將繼續(xù)介紹利用maix.KPU模塊實(shí)現(xiàn)YOLO2的物體檢測(cè)。通過本章的學(xué)習(xí)
    發(fā)表于 11-14 09:22

    X-Ray射線檢測(cè)設(shè)備淺析

    X-Ray射線檢測(cè)設(shè)備是一種檢測(cè)技術(shù),通過X射線儀檢測(cè)物體的內(nèi)部結(jié)構(gòu),可以
    的頭像 發(fā)表于 11-06 15:41 ?869次閱讀
    X-Ray射線<b class='flag-5'>檢測(cè)</b>設(shè)備淺析

    一種提升無人機(jī)小物體跟蹤精度的方法

    這篇文章提出了一種新穎的目標(biāo)跟蹤方法SFTrack,針對(duì)無人機(jī)(UAV)視頻中的獨(dú)特挑戰(zhàn),采用了三簡(jiǎn)單有效的策略,尤其是在處理低置信度檢測(cè)、小規(guī)模物體和無人機(jī)運(yùn)動(dòng)方面表現(xiàn)出色。通過在
    的頭像 發(fā)表于 11-01 10:23 ?881次閱讀
    <b class='flag-5'>一種</b>提升無人機(jī)小<b class='flag-5'>物體</b>跟蹤精度的方法

    在目標(biāo)檢測(cè)中大物體的重要性

    導(dǎo)讀實(shí)驗(yàn)表明,對(duì)大型物體賦予更大的權(quán)重可以提高所有尺寸物體檢測(cè)分?jǐn)?shù),從而整體提升目標(biāo)檢測(cè)器的性能(在COCOval2017數(shù)據(jù)集上使用InternImage-T模型,小
    的頭像 發(fā)表于 10-09 08:05 ?813次閱讀
    在目標(biāo)<b class='flag-5'>檢測(cè)</b>中大<b class='flag-5'>物體</b>的重要性

    一種半動(dòng)態(tài)環(huán)境中的定位方法

    和終身定位方法,以識(shí)別非靜態(tài)環(huán)境中的半動(dòng)態(tài)物體,并提出了個(gè)通用框架,將主流物體檢測(cè)算法與建圖和定位算法集成在起。建圖方法結(jié)合物體檢測(cè)算法
    的頭像 發(fā)表于 09-30 14:40 ?577次閱讀
    <b class='flag-5'>一種</b>半動(dòng)態(tài)環(huán)境中的定位方法

    組合邏輯電路的結(jié)構(gòu)特點(diǎn)是什么?

    組合邏輯電路是一種基本的數(shù)字電路,它由邏輯門組成,用于實(shí)現(xiàn)各種邏輯功能。組合邏輯電路的結(jié)構(gòu)特點(diǎn)主要包括以下幾個(gè)方面: 無記憶功能 :
    的頭像 發(fā)表于 08-11 11:14 ?1839次閱讀

    渦流檢測(cè)常用的檢測(cè)方式

    渦流檢測(cè)一種非破壞性檢測(cè)技術(shù),廣泛應(yīng)用于金屬構(gòu)件的無損檢測(cè)。它利用電磁感應(yīng)原理,通過在被檢測(cè)
    的頭像 發(fā)表于 07-26 15:26 ?1934次閱讀